第一部分： 数据核心理念—数据思维篇

问题：什么是数据思维？大数据决策的底层逻辑以及决策依据是什么？

1、 数字化五大技术战略：ABCDI战略

Ø A：人工智能，目的是用机器模拟人类行为

Ø B：区块链，构建不可篡改的分布记账系统

Ø C：云计算，搭建按需分配的计算资源平台

Ø D：大数据，实现智能化的判断和决策机制

Ø I：物联网，实现万物互联通信的基础架构

2、 大数据的本质

Ø 数据，是事物发展和变化过程中留下的痕迹

Ø 大数据不在于量大，而在于全（多维性）

Ø 业务导向还是技术导向

3、 大数据决策的底层逻辑（即四大核心价值）

Ø 探索业务规律，按规律来管理决策

案例：客流规律与排班及最佳营销时机

案例：致命交通事故发生的时间规律

Ø 发现运营变化，定短板来运营决策

案例：考核周期导致的员工月初懈怠

案例：工序信号异常监测设备故障

Ø 理清要素关系，找影响因素来决策

案例：情绪对于股市涨跌的影响

案例：为何升职反而会增加离职风险？

Ø 预测未来趋势，通过预判进行决策

案例：惠普预测员工离职风险及挽留

案例：保险公司的车险预测与个性化保费定价

4、 大数据决策的三个关键环节

Ø 业务数据化：将业务问题转化为数据问题

Ø 数据信息化：提取数据中的业务规律信息

Ø 信息策略化：基于规律形成业务应对策略

案例：用数据来识别喜欢赚“差价”的营业员

第二部分： 精准营销分析—分析步骤篇

1、 数据分析的六步曲

2、 步骤1：明确目的，确定分析思路

Ø 确定分析目的：要解决什么样的业务问题

Ø 确定分析思路：分解业务问题，构建分析框架

3、 步骤2：收集数据，寻找分析素材

Ø 明确数据范围

Ø 确定收集来源

Ø 确定收集方法

4、 步骤3：整理数据，确保数据质量

Ø 数据质量评估

Ø 数据清洗、数据处理和变量处理

Ø 探索性分析

5、 步骤4：分析数据，寻找业务答案

Ø 选择合适的分析方法

Ø 构建合适的分析模型

Ø 选择合适的分析工具

6、 步骤5：呈现数，解读业务规律

Ø 选择恰当的图表

Ø 选择合适的可视化工具

Ø 提炼业务含义

7、 步骤6：撰写报告，形成业务策略

Ø 选择报告种类

Ø 完整的报告结构

演练：产品精准营销案例分析

Ø 如何搭建精准营销分析框架

精准营销分析的过程和步骤

第三部分： 用户行为分析—统计方法篇

问题：数据分析方法的种类？分析方法的不同应用景？

1、 业务分析的三个阶段

Ø 现状分析：通过企业运营指标来发现规律及短板

Ø 原因分析：查找数据相关性，探寻目标影响因素

Ø 预测分析：合理配置资源，预判业务未来的趋势

2、 常用的数据分析方法种类

Ø 描述性分析法（对比/分组/结构/趋势/交叉…）

Ø 相关性分析法（相关/方差/卡方…）

Ø 预测性分析法（回归/时序/决策树/神经网络…）

Ø 专题性分析法（聚类/关联/RFM模型/…）

3、 统计分析基础

Ø 统计分析两大关键要素（类别、指标）

Ø 统计分析的操作模式（类别à指标）

Ø 统计分析三个操作步骤（统计、画图、解读）

Ø 透视表的三个组成部分

4、 常用的描述性指标

Ø 集中程度：均值、中位数、众数

Ø 离散程度：极差、方差/标准差、IQR

Ø 分布形态：偏度、峰度

5、 基本分析方法及其适用场景

Ø 对比分析（查看数据差距，发现事物变化）

演练：寻找用户的地域分布特征

演练：分析产品受欢迎情况及贡献大小

演练：用数据来探索增量不增收困境的解决方案

Ø 分布分析（查看数据分布，探索业务层次）

演练：银行用户的消费水平和消费层次分析

演练：客户年龄分布/收入分布分析

案例：通信运营商的流量套餐划分合理性的评估

演练：呼叫中心接听电话效率分析（呼叫中心）

Ø 结构分析（查看指标构成，评估结构合理性）

案例：增值业务收入结构分析（通信）

案例：物流费用成本结构分析（物流）

案例：中移动用户群动态结构分析

演练：财务领域的结构瀑布图、财务收支的变化瀑布图

Ø 趋势分析（发现事物随时间的变化规律）

案例：破解零售店销售规律

案例：手机销量的淡旺季分析

案例：微信用户的活跃时间规律

演练：发现客流量的时间规律

Ø 交叉分析（从多个维度的数据指标分析）

演练：用户性别+地域分布分析

演练：不同客户的产品偏好分析

演练：不同学历用户的套餐偏好分析

演练：银行用户的违约影响因素分析

第四部分： 用户行为分析—分析框架篇

问题：如何才能全面/系统地分析而不遗漏？如何分解和细化业务问题？

1、 业务分析思路和分析框架来源于业务模型

2、 常用的业务模型

Ø 外部环境分析：PEST

Ø 业务专题分析：5W2H

Ø 竞品/竞争分析：SWOT、波特五力

Ø 营销市场专题分析：4P/4C等

3、 精准营销的业务模型（6R准则）

Ø 寻找正确的客户

Ø 匹配正确的产品

Ø 确定合理的价格

Ø 选择恰当的时机

Ø 通过合适的渠道

Ø 传递恰当的信息

案例讨论：如何构建大数据精准营销的分析框架

4、 用户行为分析（5W2H分析思路和框架）

Ø WHY：原因（用户需求、产品亮点、竞品优劣势）

Ø WHAT：产品（产品喜好、产品贡献、产品功能、产品结构）

Ø WHO：客户（基本特征、消费能力、产品偏好）

Ø WHEN：时间（淡旺季、活跃时间、重购周期）

Ø WHERE：区域/渠道（区域喜好、渠道偏好）

Ø HOW：支付/促销（支付方式、促销方式有效性评估等）

Ø HOW MUCH：价格（费用、成本、利润、收入结构、价格偏好等）

案例讨论：结合公司情况，搭建用户消费习惯的分析框架（5W2H）

5、 数据分析策略

第五部分： 影响因素分析—原因分析篇

营销问题：哪些因素是影响业务目标的关键要素？比如，产品在货架上的位置是否对销量有影响？价格和广告开销是如何影响销量的？影响风控的关键因素有哪些？如何判断？

1、 影响因素分析的常见方法

2、 相关分析（衡量两数据型变量的线性相关性）

Ø 相关分析简介

Ø 相关分析的应用场景

Ø 相关分析的种类

² 简单相关分析

² 偏相关分析

² 距离相关分析

Ø 相关系数的三种计算公式

² Pearson相关系数

² Spearman相关系数

² Kendall相关系数

Ø 相关分析的假设检验

Ø 相关分析的四个基本步骤

演练：营销费用会影响销售额吗？影响程度如何量化？

演练：哪些因素与汽车销量有相关性

演练：影响用户消费水平的因素会有哪些

Ø 偏相关分析

² 偏相关原理：排除不可控因素后的两变量的相关性

² 偏相关系数的计算公式

² 偏相关分析的适用场景

Ø 距离相关分析

3、 方差分析（衡量类别变量与数值变量间的相关性）

Ø 方差分析的应用场景

Ø 方差分析的三个种类

² 单因素方差分析

² 多因素方差分析

² 协方差分析

Ø 单因素方差分析的原理

Ø 方差分析的四个步骤

Ø 解读方差分析结果的两个要点

演练：摆放位置与销量有关吗

演练：客户学历对消费水平的影响分析

演练：广告和价格是影响终端销量的关键因素吗

演练：营业员的性别、技能级别对产品销量有影响吗

演练：寻找影响产品销量的关键因素

Ø 多因素方差分析原理

Ø 多因素方差分析的作用

Ø 多因素方差结果的解读

演练：广告形式、地区对销量的影响因素分析

Ø 协方差分析原理

Ø 协方差分析的适用场景

演练：排除产品价格，收入对销量有影响吗？

4、 列联分析/卡方检验（两类别变量的相关性分析）

Ø 交叉表与列联表：计数值与期望值

Ø 卡方检验的原理

Ø 卡方检验的几个计算公式

Ø 列联表分析的适用场景

案例：套餐类型对客户流失的影响分析

案例：学历对业务套餐偏好的影响分析

案例：行业/规模对风控的影响分析

5、 相关性分析方法总结

第六部分： 定量预测模型—回归模型篇

营销问题：如何预测未来的产品销量/销售额？如果产品跟随季节性变动，该如何预测？

1、 回归分析简介和原理

2、 回归分析的种类

Ø 一元回归/多元回归

Ø 线性回归/非线性回归

3、 常用回归分析方法

Ø 散点图+趋势线（一元）

Ø 线性回归工具（多元线性）

Ø 规划求解工具（非线性回归）

演练：散点图找营销费用与销售额的关系

4、 线性回归分析的五个步骤

演练：营销费用、办公费用与销售额的关系（线性回归）

5、 线性回归方程的解读技巧

Ø 定性描述：正相关/负相关

Ø 定量描述：自变量变化导致因变量的变化程度

6、 回归预测模型评估

Ø 质量评估指标：判定系数R^2

Ø 如何选择最佳回归模型

演练：如何选择最佳的回归预测模型（一元曲线回归）

7、 带分类自变量的回归预测

演练：汽车季度销量预测

演练：工龄、性别与终端销量的关系

演练：如何评估销售目标与资源最佳配置

第七部分： 产品销量预测—时序预测篇

1、 时间序列简介

Ø 回归模型的缺点

2、 时序预测常用模型

3、 评估预测值的准确度指标

Ø 平均绝对误差MAD

Ø 均方差MSE/RMSE

Ø 平均误差率MAPE

4、 移动平均（MA）

Ø 应用场景及原理

Ø 移动平均种类

² 一次移动平均

² 二次移动平均

² 加权移动平均

² 移动平均比率法

Ø 移动平均关键问题

² 期数N的最佳选择方法

² 最优权重系数的选取方法

演练：平板电脑销量预测及评估

演练：快销产品季节销量预测及评估

5、 指数平滑（ES）

Ø 应用场景及原理

Ø 最优平滑系数的选取原则

Ø 指数平滑种类

² ²一次指数平滑

² ²二次指数平滑（Brown线性、Holt线性、Holt指数、阻尼线性、阻尼指数）

² ²三次指数平滑

演练：煤炭产量预测

演练：航空旅客量预测及评估

结束：课程总结与问题答疑。